768P、2K 还是 4K？AI 视频分辨率阶梯详解

分辨率是 AI 视频里被误解最深的旋钮。它听起来是画质设置——数字越大越好——但它其实是预算分配：算力一定时，花在锐度上的每一个像素，都是从运动那边挪过来的。这篇讲怎么把预算花对。

机制背景看 AI 视频生成原理详解；质量的提示词一侧见提示词扩张。

太长不看版

• 分辨率是细节与运动之间的预算分配，不是画质滑块
• 运动重的片段 768P 是甜点位；细节重的主体 2K 回本；4K 多数时候是收尾 pass
• 2K/4K 经常是低分辨率底子之上的放大——运动质量在底子那层就已决定
• 成本随分辨率 × 时长走；两者翻倍，账单翻四倍

阶梯

| 档位 | 最适合 | 短板 | 相对 480P 的大致成本 | | ---- | ------------------------------ | ---------------------------- | -------------------- | | 480P | 快速迭代、信息流里的运动 | 脸软、纹理糊 | 1× | | 768P | 默认选择：运动 + 扎实细节 | 谈不上展示级锐度 | 约 1.4–2× | | 2K | 细节主体：乐器按键、织物、字样 | 运动略僵 | 约 3–4× | | 4K | 特写、成品感、存档 | 慢；多数片段相对 2K 提升有限 | 约 5–6× |

为什么分辨率会和运动抢资源

扩散 Transformer 把视频当作区块（token）处理，而注意力成本随 token 数增长。分辨率翻两番，模型每一步要保持互相一致的区块数就成倍增加。于是发生两件事：

1. 单帧细节变好——token 多了，纹理分到的容量就多。
2. 时间一致性的预算变紧——同一批注意力层现在要跨帧调和多得多的区块，最先让步的就是一致性。

症状很眼熟：2K 片段定格惊艳、动起来略僵；旁边 768P 片段动得漂亮、看着略软。没有谁是"更好"——它们只是把预算花在了不同的地方。身份敏感的内容还有第三个变量：参考条件化在高分辨率下把脸锁得更稳（原因）。

2K 和 4K 的放大真相

定价页不会说的部分：很多高分辨率产出是底子渲染 + 放大。模型在 768P 级分辨率生成，再由一道专门的放大 pass 重建高频细节到 2K 或 4K。推论：

• 运动质量在底子那层就定了。 放大救不了一个难看的走姿。
• 多出来的锐度是重建，不是想象。 放大出的纹理是"说得通"，不是"事实"——放大到一定程度，编出来的细节终究是编的。
• 比价要看底子渲染，而不是标称分辨率——尤其按秒按档计费的供应商。

这些都不意味着 2K 是骗局——对细节丰富的主体，放大 pass 恰恰是你想要的。它只是把"选哪档分辨率"重新回答成："你的片段需要重建级的细节，还是运动级的顺滑？"

一句话决策规则

笑点在动作，渲染 768P。笑点在行头，渲染 2K。都不是——你在打草稿——就渲染 480P，把积分省下来多来一条。

各档积分的具体数字见定价页；放进实际设置里看，教程有 5 秒迷因片段的模型与分辨率选择全过程。

常见问题

AI 视频应该选什么分辨率？

片段靠运动取胜就选 768P——它是运动干净、成本合理的甜点位。主体有值得定格细看的细节（萨克斯按键、织物、字样）就选 2K。4K 只留给特写和成品感优先、速度不敏感的场合；它多数时候本来就是低分辨率底子的放大。

4K 的 AI 视频真的是 4K 生成的吗？

往往不是全程 4K。很多管线先在较低分辨率渲染底子，再跑一道专门的放大 pass 到 2K 或 4K。结果确实比底子锐利，但细节是"重建"出来的而不是"想象"出来的——构图和运动质量仍然由底子决定。

为什么我的 2K 视频运动反而不如 768P 顺？

更高的分辨率把更多模型容量花在每帧细节上，会挤占时间一致性——运动略微变僵，漂移更可见。如果片段的核心是动而不是纹理，768P 动起来常常更好看，尽管定格画面是 2K 赢。